Implemented nutritional intervention algorithm in pediatric oncology compared to standard nutritional supportive care outcomes
Notice bibliographique
Résumé
AIM: To implement a childhood cancer-specific nutritional algorithm adapted for the South African context for interventions at time-set intervals to evaluate differences in the nutritional status of newly diagnosed children with cancer. METHOD: Children with newly diagnosed cancer were assessed for stunting, underweight, wasting, and moderate to severe malnutrition (MUAC < -2SD and < - 3 SD) between October 2018 and December 2020 in a longitudinal nutritional assessment study with monthly assessments. Two pediatric oncology units (POUs) served as the intervention group that implemented the nutritional algorithm-directed intervention and three other POUs formed the control group that implemented standard supportive nutritional care. RESULTS: A total of 320 patients were enrolled with a median age of 6.1 years (range three months to 15.3 years) and a male-to-female ratio of 1.1:1. The malnourished patients in the intervention group showed significant improvement at six months after diagnosis for stunting (P = 0.028), underweight (P < 0.001), and wasting until month five (P = 0.014). The improvements in the control group were not significant. Moderate acute malnutrition (MAM) significantly improved over the first six months of cancer treatment in the intervention group (P < 0.001), while MAM improvement was only significant in the control group for the children under five years of age (P = 0.004). The difference in mean z-scores over time for the nutritional parameters between the intervention and control groups was insignificant. CONCLUSION: We established that the nutritional algorithm adapted for South Africa as an intervention tool for childhood cancer assisted in optimizing nutritional interventions and improved nutritional outcomes over the first six months of cancer treatment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».